MiniCPM-V 4.7 1B vs UI-Venus 2 9B: 하나는 주머니에 쏙 들어가고, 다른 하나는 랙이 필요하다

MiniCPM-V 4.7 1B와 UI-Venus 2 9B의 비교는 격차가 크며, 바로 그 점이 이 비교의 유용한 부분입니다. MiniCPM-V 4.7 1B는 OpenBMB의 15억 5천만 파라미터 범용 비전-언어 모델로, 2026년 10월 6일에 업로드되었고 벤더 릴리스 노트에는 10월 12일자로 기재되어 있으며, Apache 2.0 라이선스이고, 휴대폰 앱 내부에서 실행할 수 있을 만큼 작습니다. UI-Venus 2 9B는 inclusionAI의 94억 1천만 파라미터 GUI 에이전트로, 2026년 8월 26일에 출시되었으며, 화면을 보고 어디를 탭하고 입력하거나 스와이프할지 결정하도록 특별히 훈련되었고, 앞단에 vLLM 서버가 있는 GPU를 전제로 합니다. 이와 같은 릴리스 뒤에 있는 문서화된 AI 실패 및 에이전트 사건들은 the OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급 및 이견 표시가 포함되어 있습니다.

이 둘을 같은 문장에 놓으면 '어느 쪽이 더 나은가'라는 잘못된 질문을 불러일으키지만, 올바른 질문은 각각이 무엇을 위한 것인가이다. 1.8 GB의 양자화된 메모리에 들어가는 범용 비전 모델과 ScreenSpot-Pro에서 73.0점을 기록하는 화면 에이전트는 서로를 대체하는 존재가 아니다. 이들은 모바일 자동화 스택의 서로 다른 두 계층이며, 흥미로운 점은 바로 그 계층 사이의 경계가 실제로 어디에 위치하는가이다.

멀리서 보면 비슷해 보이는 두 직업

두 모델 모두 스크린샷을 입력받아 그에 대한 텍스트를 반환할 수 있습니다. 닮은 점은 거기까지입니다.

MiniCPM-V 4.7 1B은 이미지를 읽고 설명, 전사, 추출 또는 답변합니다. 영수증 합계가 얼마인지, 양식 필드에 무엇이 들어 있는지, 차트가 상승 추세인지, PDF 한 페이지에 무엇이라고 적혀 있는지 물어보면 답을 생성합니다. 고해상도 이미지를 위한 슬라이싱 제어, 전환 가능한 4×/16× 시각 토큰 압축 비율, 비디오용 프레임 샘플링 매개변수를 갖추고 있습니다. 문서에는 단일 이미지 채팅, 다중 이미지 채팅, 비디오, OCR, PDF 파싱 및 시각적 그라운딩이 다뤄져 있으며, 이는 문서 및 화면 읽기 워크로드입니다.

UI-Venus 2 9B는 화면을 읽고 액션을 내보낸다. 그 카드는 닫힌 루프를 설명한다. 인터페이스를 관찰하고, 작업 상태를 추론하고, 액션을 실행하고, 환경의 피드백을 다음 결정에 반영한다. 출력은 산문이 아니라 포인트와 액션 시퀀스다. 그 주변에서 inclusionAI는 모바일, 컴퓨터, 브라우저, 그라운딩, CAPTCHA 작업용 참조 프롬프트, 액션 파서, 실행 가능한 예제를 제공한다. 이 모델은 정책이며, 그 주변의 하네스가 제품의 절반이다.

그 구분은 어떤 벤치마크를 참조하기도 전에 아키텍처를 결정한다. 영수증을 읽어야 하는 스마트폰 앱은 첫 번째를 사용한다. 앱 내부에서 작업을 완료해야 하는 시스템, 즉 결제 과정을 탭으로 진행하고, 양식을 작성하고, 슬라이더 CAPTCHA를 푸는 시스템은 두 번째를 사용하며, OCR 성능이 아무리 뛰어나도 첫 번째로 대체할 수 없다.

라이선스는 첫 번째 필터일 뿐, 벤치마크는 아닙니다

UI-Venus 2 9B의 카드에는 대부분의 보도가 건너뛴 출시 상태 섹션이 있습니다. "Model weights" 항목에는 가중치가 포함되어 있다고 되어 있고, "License" 항목에는 모델 가중치 라이선스가 최종 확인 대기 중이며 공개 출시 전에 추가될 것이라고, 그리고 업스트림 자료에 상충하는 라이선스 진술이 포함되어 있기 때문에 Apache-2.0 선언은 의도적으로 이어받지 않았다고 명시되어 있습니다.

이 내용을 두 번 읽어 보세요. 가중치는 다운로드할 수 있고, 벤치마크는 공개되어 있으며, 기술 보고서는 arXiv에 있고, 라이선스는 아직 미정입니다. 연구팀에게는 문제가 없습니다. 화면 에이전트를 상용 제품 안에 탑재해 출시할 계획인 기업에게는 이것이 법무 검토를 마무리할 수 없다는 뜻입니다. 이 모델은 결국 Apache 2.0이 될 수도 있고 아닐 수도 있으며, 오늘날 이용 가능한 산출물만으로는 알 방법이 없습니다.

MiniCPM-V 4.7 1B은 Apache 2.0으로 배포되어 그런 모호함이 전혀 없습니다. 그 단 한 줄이 상당히 많은 부류의 상업적 작업에서 두 모델 중 하나를 탈락시킵니다. 성능이 더 나빠서가 아니라, 라이선스가 확정되지 않은 상태가 아무도 예산에 넣지 않는 일정 리스크이기 때문입니다.

점수가 나오기 전의 하드웨어 연산

• 가중치 — 1.55B dense, 약 3.1 GB BF16, Q4_K_M 기준 0.67 GB에 0.90–1.11 GB 비전 프로젝터 vs 9.41B, 네 개의 safetensors 샤드에 걸쳐 약 18.8 GB BF16 • 실행 환경 — iOS, Android, HarmonyOS 앱; Rockchip, Houmo, Intel, AMD, Arm의 day-0 칩 지원 vs GPU 서빙 경로, vLLM에서 --max-model-len 262144 및 --reasoning-parser qwen3로 문서화됨 • 컨텍스트 — 명목상 262,144 토큰, 전체 길이에서 가중치보다 더 큰 비용이 드는 KV 캐시 포함 vs Qwen3.5-9B 베이스에서 상속된 262,144 토큰 • 비전 스택 — 980픽셀 타일에서 인코더 내 토큰 압축을 사용하는 27층, 1152-히든 인코더 vs 베이스 모델에서 이어받은 Qwen3.5-9B 비전 타워 • 라이선스 — Apache 2.0 vs 확인 대기 중이며, Apache-2.0 선언은 명시적으로 보류됨 • 평가 방식 — 다섯 개의 서술형 수치와 차트 전용 비교 vs 모바일, 컴퓨터, 웹, 그라운딩, CAPTCHA, 안전 전반에 걸친 전체 수치 부록 • 독립 평가 — 이 글 작성 시점 기준 두 모델 모두 없음 vs 없음, 다만 arXiv 2609.00028의 기술 보고서는 제3자가 검증할 수 있는 상당한 산출물임

여기서 격차는 메모리 기준으로 대략 한 자릿수, 즉 10배 정도입니다. 양자화된 1.8GB 대 BF16의 18.8GB이고, 양자화하면 4비트에서 약 5GB입니다. 이는 앱과 서비스의 차이입니다. 또한 두 모델이 보통 서로 다른 글에서 논의되는 이유이기도 합니다. 하나는 엣지 배포 문제이고, 다른 하나는 추론 비용 문제입니다.

9B가 그 크기를 증명하는 곳

UI-Venus 2 9B의 수치는 모두 자사 카드와 기술 보고서에서 벤더가 보고한 것으로, 10B 미만 GUI 등급에서 거의 최상위에 놓입니다. 고해상도 전문 소프트웨어에서 요소 위치 파악을 측정하는 ScreenSpot-Pro에서는 73.0을 보고합니다. VenusBench-GD에서는 77.1. OSWorld-G-R에서는 78.5. AndroidWorld에서는 80.2. WebVoyager의 갱신된 595개 작업 분할에서는 90.8. OSWorld-Verified에서는 70.8. 자체 VenusBench-CAPTCHA에서는 8가지 상호작용 유형 전반에서 pass@1 78.1입니다.

그것들은 1B 범용 모델이 만들어내는 수치가 아니며, 그럴 의도도 아니다. 이 수치를 장식이 아니라 신뢰할 수 있게 만드는 것은 학습 설명이다. 170개 이상의 다국어 앱으로 구성된 모바일 풀, 19개 카테고리에 걸친 4,000개 이상의 도메인으로 구성된 웹 풀, 세 단계 학습(멀티모달 중간 학습, 다섯 개 과제군에 걸친 오프라인 RL, 다중 교사 온폴리시 증류), 그리고 최종 화면을 보는 단일 판정자 대신 과제 관련 시각적 키포인트와 다중 모델 투표에 기반한 검증 체계가 그것이다. 이 카드는 안전성 결과도 보고한다 — OSHarm에서 11.3%, OSBlind에서 48.8%의 공격 성공률이며, Qwen3.5-9B 베이스의 25.3% 및 79.4%와 대비된다 — 그리고 이를 절대적인 견고성 주장이 아니라 해당 베이스와의 비교로 제시하는데, 이는 올바른 프레이밍이다.

이 중 어느 것도 1B 모델에는 전이되지 않습니다. GUI 에이전시는 훈련되는 것이지 일반적인 시각 능력에서 창발하는 것이 아니며, 아무리 뛰어난 OCR 정확도도 "다음" 버튼이 무엇을 하는지 아는 정책을 대신할 수 없습니다.

어쨌든 1B가 이기는 부분

세 개의 자리이며, 그것들은 위로상이 아니다.

지연 시간과 가용성. 로컬 1B 모델은 네트워크 왕복도, 대기열도, 제공자 장애도, 요청당 비용도 없습니다. 하루에 쉰 번 사용되는 스캔 기능이라면, 그것이 곧 제품 경험의 전부입니다. vLLM 서버 뒤에 있는 9B 모델은 빠릅니다. 하지만 그것은 호스팅 모델이 빠른 방식으로 빠른 것이며, 연결이 끊어지는 순간 더 이상 빠르지 않습니다.

설계 단계부터 프라이버시를 내장했습니다. 영수증, 신분증, 의료 서식, 혹은 사적인 대화의 스크린샷이 기기에 그대로 남아 있을 수 있습니다. 이는 마케팅 문구가 아니라, 규제 산업에서 출시할 수 있는 기능과 그럴 수 없는 기능을 가르는 차이입니다. UI-Venus 2 9B 자체의 안전성 평가는 서버 측에서 모델이 잘못 작동하는지에 관한 것입니다. 1B의 프라이버시 속성은 이미지가 휴대폰을 떠나지 않는다는 점입니다.

한계 비용. 호스팅된 9B로 스크린샷을 읽으면 요청마다, 매 요청마다, 영원히 비용이 발생합니다. 로컬 1B로 읽으면 배터리가 소모됩니다. 저용량에서는 호스팅 옵션이 더 저렴하지만, 고용량에서는 — 현장 앱의 스캐너, 접근성 도구, 1만 장의 영수증 배치 — 한계 비용이 0에 가까워지는 유일한 모델은 로컬 모델입니다.

대부분의 팀이 결국 실제로 구축하게 되는 스택

이 둘 중 하나를 선택하는 것이 아니다. 이들을 겹겹이 쌓는 것이다.

온디바이스 1B는 인지 처리를 담당합니다: 화면을 읽고, 텍스트를 추출하고, 필드를 찾고, 그곳에 무엇이 있는지 설명합니다. 대부분의 경우 그것으로 충분하며, 요청은 휴대폰을 떠나지 않습니다. 작업에 동작이 필요할 때 — 이것을 탭하고, 저쪽으로 스와이프하고, 이 흐름을 완료하기 — 작업은 에이전트로 넘어가며, 에이전트는 동작 어휘를 갖춘 더 큰 모델이 필요합니다.

그 핸드오프는 라우팅 계층이 제값을 하는 지점이며, 그것이 무엇을 하고 무엇을 하지 않는지 정확히 짚고 넘어갈 가치가 있습니다. OrcaRouter는 200개 이상의 호스팅 모델을 0% 마크업으로 OpenAI 호환 엔드포인트 하나를 통해제공하며, 각 공급자의 정가를 변경 없이 그대로 전달하고, 자동 페일오버와 한 번의 호출에 프라이머리와 폴백을 담을 수 있는 라우팅 DSL을 제공합니다. 이것이 가능하게 하는 패턴은 화려하지 않지만 유용합니다: 휴대폰은 로컬 1B를 시도하고, 앱은 어려운 사례를 다른 모든 것에 사용하는 동일한 키로 호스팅 비전 모델에 에스컬레이션하며, 제공업체가 안 좋은 오후를 보내는 일은 서비스 중단이 아니라 페일오버 이벤트가 됩니다. MiniCPM-V 4.7 1B도 UI-Venus 2 9B도 그 카탈로그에 없습니다 — 둘 다 직접 실행하는 체크포인트입니다 — 따라서 라우터는 스택을 둘러싼 계층이지, 두 모델 중 어느 하나를 호출하는 방법이 아닙니다.

계획 시 대비할 만한 두 가지 실패 모드

첫 번째는 에이전트로 사용되는 1B 범용 모델입니다. 화면을 정확히 읽어내고도 그다음에 무엇을 해야 할지 전혀 모릅니다. 제품이 흐름을 설명하는 것이 아니라 완수해야 한다면 1B는 잘못된 도구이며, 어떤 프롬프트로도 해결되지 않습니다.

두 번째는 모델 카드의 라이선스 상태에 따라 출시가 결정되는 9B 에이전트다. UI-Venus 2 9B의 카드에는 라이선스가 보류 중이며 Apache-2.0 선언은 의도적으로 유보되었다고 나와 있다. 그것이 해결될 때까지, ScreenSpot-Pro 수치가 아무리 좋더라도 이 모델은 상업적 목적에는 연구용 아티팩트다. ‘아마 Apache 2.0일 것’이라는 전제로 계획하는 팀은 아직 비용을 산정하지 않은 일정 리스크를 감수하고 있다.

그 선택이 실제로 결국 무엇을 의미하는지

질문이 "내가 이 스크린샷을 휴대폰에서, 오프라인으로, 무료로, 배포할 수 있는 라이선스로 읽을 수 있나?"라면 — MiniCPM-V 4.7 1B는 예라고 답한다. 약 1.8GB로 양자화된 상태이며 Apache 2.0 하에 있고, 당신이 확인해야 할 유일한 것은 자신의 기기 메모리 여유뿐이다.

질문이 "이 모델이 인터페이스를 설명하는 대신 직접 조작할 수 있는가"라면 — UI-Venus 2 9B는 학습, 벤치마크, 하네스를 갖춘 쪽이며, 다른 무엇보다 먼저 GPU와 라이선스 결정이 필요합니다.

질문이 "둘 다, 하나의 제품 안에서"라면, 당신은 2계층 시스템을 만들고 있는 것입니다. 1B 모델은 기기에서 인지를 수행하고 에이전트는 서버에서 행동을 수행하며, 엔지니어링 작업의 핵심은 둘 중 하나를 선택하는 것이 아니라 그 둘 사이의 핸드오프입니다.

이 비교가 한쪽으로 기울어 보이는 것은 실제로 그렇기 때문입니다. 1B 범용 모델과 9B GUI 전문 모델은 같은 체급도, 같은 배포 등급도, 같은 라이선스 위치도 아닙니다. 이를 "하나가 더 낫다"고 읽는 것이 실수입니다. 두 모델은 서로 다른 질문에 답하고 있으며, 가장 빠르게 고르는 방법은 당신이 실제로 어떤 질문을 하고 있는지 적어 보는 것입니다.